[发明专利]基于小波描述子的目标跟踪方法

说明书

技术领域

本发明属于图像处理技术领域，涉及视频目标跟踪方法，可应用于智能监控、目标跟踪和人机界面。

背景技术

序列图像的目标跟踪是图像处理技术应用的重要组成部分，它是指通过对输入的的视频图像序列进行分析，确定各帧中目标所在的位置，获得相关的参数。目标跟踪是计算机视觉中关键技术之一，融合了图像处理、模式识别和人工智能等领域，在机器人视觉导航、安全监测、交通管制、视频压缩以及气象分析等许多方面都有广泛应用。如军事方面，已被成功地应用于武器的成像制导、军事侦察和监视等。民用方面，如视觉监控，已被广泛地应用于社会生活的各方面。目标跟踪可应用于社区和重要设施的保安监控；用于智能交通系统中进行车辆的实时追踪，可以得到车流量、车型、车速、车流密度等等许多有价值的交通流参数，同时还可以检测事故或故障等突发状况。

上海电机学院提出的专利申请“一种视觉目标识别与跟踪方法”(专利申请号201010537843.7，公开号CN101986348A)，公开了一种视觉目标识别与跟踪方法。该跟踪方法包括：默认第零帧搜索窗口与图像等大，从第一帧图像中获得目标的包围框，然后是搜索窗口的预测，它利用图像处理方法对包围框和其中特征点进行计算，同时在目标跟踪的基础上提出了一种可预测的搜索窗口的方法，对标志的目标进行运动预测和跟踪，该跟踪方法虽然对提高实时性有一定的效果，但是当运动目标发生遮挡或者快速变化时，运用上述预测搜索窗方法则无法实现准确跟踪。

北京航空航天大学提出的专利申请“基于边缘信息和均值位移的灰度目标跟踪算法”(专利申请号CN201010238378.7，公开号CN101916446A)，公开了一种基于边缘信息和均值位移的灰度目标跟踪算法。该方法对第一帧视频图像进行预处理并提取目标的特征模板，在当前帧用kalman滤波预测目标的起始位置，然后用均值位移跟踪算法在起始位置搜索目标在当前帧中的最优位置，间隔固定周期，结合canny滤波对目标模板进行更新。该方法虽然能在目标形状、灰度分布以及背景发生变化的情况下对目标进行跟踪，但这种方法是运用kalman进行线性预测的，因此当做非线性运动的目标发生遮挡时，跟踪容易发生漂移而导致跟踪失败。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于小波描述子的目标跟踪方法，以在目标发生遮挡或者目标快速运动时仍能正确跟踪目标，提高目标跟踪的健壮性。

实现本发明的思路是：在第一帧提取目标的小波特征描述子作为目标模板，提取当前帧中搜索区域的小波特征描述子，求两者之间距离的局部极小值以确定目标的位置，同时通过引入的遮挡判定思想，提高目标模板更新的准确性，当目标发生遮挡时运用角点特征及运动预测以完成目标的正确跟踪。具体实现步骤包括如下：

(1)输入一段视频中的第一帧，并人工标记出待跟踪目标；

(2)建立目标模板：

2a)对步骤(1)标记出的跟踪目标进行3层小波变换分解，提取分解后的细节分量记为小波特征描述子；

2b)根据步骤2a)中小波变换后的小波变换系数计算阈值Thr₁：

Thr1=Const*(1M*NΣi,j|coef1(i,j)|)/0.6745,]]>

其中，Const为调制因子，Const∈[3.5,4.5]，coef₁(i,j)表示点(i,j)处的小波变换系数，M表示小波系数矩阵的行，N表示小波系数矩阵的列；